授業ノート・
ビデオのある講義

 

3511000 論理生命学

シラバスID g_inf_4774
開講年度・開講期 前期
授業形態 講義
対象学生 Graduate
使用言語 日本語
曜時限 水3
教員
  • 石井 信(情報学研究科)
  • 大羽 成征(情報学研究科)
授業の概要・目的 生命現象や人間知能を情報処理システムとして理解するための手法とその応用について講述する.具体的には脳・神経系における認知情報処理過程の数理モデル,不確実環境における最適な行動決定のための計算原理,とくに最適行動方策獲得を目的とした強化学習の理論,生命情報学データへの統計的アプローチなどについて講義する.
到達目標 強化学習の理論と応用,計算神経科学の考え方を理解する.

高次元力学系モデリングのための統計的手法である,行列・テンソル因子化,ベイズ推定、時系列モデル,ガウス過程法を理解し,これらを実世界モデリングに応用するための考え方を身につける.

統計的バイオインフォマティクスの方法を理解し,分野を超えて各受講者の専門に対して応用できるようになる.
授業計画と内容 強化学習(石井;6回)
確率的に遷移し,かつ報酬が得られるような環境への適応アルゴリズムである強化学習の理論について解説する.またロボット制御などの工学応用,ヒトの脳内情報処理モデルについて議論する.

脳における予測コード(石井;2回)
脳が,予測に基づき外界からの情報を表現しているとする予測コード仮説を一つの題材として,計算神経科学の考え方を紹介する.

高次元力学系モデリング(大羽;5回)
高次元データに基づいて高次元力学系を取り扱うための統計的手法について解説する.とくに行列・テンソルの因子化表現,ベイズ的時系列モデリング,ガウス過程法の基礎と,これによる実世界モデリングの方法を解説する.

バイオインフォマティクスと統計的手法(大羽;2回)
遺伝子発現量解析を題材として,統計的バイオインフォマティクスの方法論について紹介する.バイオマーカー設計,統計的判別,判別のための特徴選択,多重検定の方法を解説する.
成績評価の方法・観点及び達成度 簡単な数値実験を伴う期末レポート課題によって各トピックの理解の度合いを問う.レポート課題の達成度と出席点を加味することで,成績評価を行う.
履修要件 特になし
授業外学習(予習・復習)等 不定期にレポート課題を出題する.
参考書等
  • 授業中に適宜紹介する.